В классическом эксперименте психологов Феликса Варнекена и Майкла Томаселло над человеческим социальным
Dan gebeurt er iets verbazingwekkends:kind biedt hulp. Nadat hij het doel van de persoon heeft geïdentificeerd, gaat de baby naar de kast en opent de deuren, zodat de man zijn boeken erin kan stoppen. Maar hoe kan een peuter met zo'n beperkte levenservaring zo'n conclusie trekken?
Onlangs hebben computerwetenschappers deze vraag doorgestuurd naar computers: hoe kunnen machines hetzelfde doen?
Een cruciaal onderdeel om te vormeneen dergelijk begrip zijn fouten. Net zoals een peuter het doel van een persoon alleen kan afleiden op basis van zijn mislukkingen, moeten de machines die iemands doelen bepalen rekening houden met onze foutieve acties en plannen.
In een poging om deze sociale intelligentie opnieuw te creërenin machines hebben onderzoekers van het Computer Science and Artificial Intelligence Laboratory (CSAIL) van het Massachusetts Institute of Technology en het Department of Brain and Cognitive Sciences een algoritme ontwikkeld dat in staat is om doelen en plannen te identificeren, zelfs als die plannen zouden mislukken.
Dit type onderzoek kan dat uiteindelijk zijngebruikt om een reeks ondersteunende technologieën, samenwerkings- of zorgrobots en digitale assistenten zoals Siri en Alexa te verbeteren.
"Agent" en "Observer" laten zien hoe nieuwHet algoritme van MIT is in staat om doelen en plannen te identificeren, zelfs als die plannen mislukken. Hier maakt de agent een foutief plan om de blauwe edelsteen te bereiken die de waarnemer mogelijk acht. Krediet: Massachusetts Institute of Technology
“Dit vermogen om fouten te verklaren kan hebbencruciaal voor het bouwen van machines die op betrouwbare wijze conclusies trekken en namens ons handelen, legt Tang Chih-Xuan, Ph.D., een student aan het Massachusetts Institute of Technology (MIT) en hoofdauteur van een nieuw onderzoekspaper uit. "Anders kunnen AI-systemen ten onrechte concluderen dat, omdat we onze hogere doelen niet hebben bereikt, die doelen uiteindelijk ongewenst waren."
Om hun model te maken, gebruikte het teamGen, een nieuw AI-programmeerplatform dat onlangs is ontwikkeld bij MIT om symbolische AI-planning te combineren met Bayesiaanse inferentie. Bayesiaanse inferentie biedt een optimale manier om onzekere overtuigingen te combineren met nieuwe gegevens en wordt veel gebruikt voor financiële risicobeoordeling, diagnostische tests en verkiezingsvoorspelling.
Bij het maken van het algoritme "Opeenvolgend zoekenReverse Planning (SIPS) ”wetenschappers hebben een algemene manier van menselijke planning geïnspireerd die grotendeels suboptimaal is. Een persoon plant misschien niet alles van tevoren, maar maakt eerder deelplannen, voert deze uit en maakt op basis van nieuwe resultaten weer plannen. Hoewel het kan leiden tot fouten als gevolg van onvoldoende denken "van tevoren", vermindert dit soort denken de cognitieve belasting.
Ученые надеются, что их исследование заложит новые философские и концептуальные основы, необходимые для создания машин, которые действительно понимают человеческие цели, планы и ценности. Новый базовый подход моделирования людей как несовершенных мыслителей кажется инженерам очень многообещающим.
Lees ook
20 nieuwe soorten dieren en planten gevonden in de Andes
Er zijn snelwegen in de ruimte om snel te reizen. Hoe veranderen vluchten?
Genoemd naar een plant die niet bang is voor klimaatverandering. Het voedt een miljard mensen